MétaCan
Menu
Retour à la cohorte
Enregistrement W2037882382 · doi:10.5430/jms.v5n1p73

Knowledge Management and Organizational Learning from the Employee Perspectives: A Study from Saudi Arabia Context

2014· article· en· W2037882382 sur OpenAlexvenueno aff
Wageeh A. Nafei

Notice bibliographique

RevueJournal of Management and Strategy · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetitive advantageKnowledge managementContext (archaeology)BusinessPerspective (graphical)Set (abstract data type)USableData collectionMarketingDescriptive researchHuman resource managementPsychologySociologyGeographyComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

This paper investigates the relationship between Knowledge Management (KM) and Organizational Learning (OL) from the employee perspective.KM has emerged as one of the most important areas in management practices and established as a basic resource for firms and economies. KM is an area of research and practice that is still searching for a stable set of core concepts and practical applications. OL is considered to be one of the most important issues in modern managerial literature. Also, OL is one of the most important organizational factors that can direct the behavior and attitudes of the employees in the organizations. This study was conducted at Saudi banks in Al-Taif Governorate. It is practical, according to its purpose, and descriptive according to its data collection method. The present study investigates the evaluative attitudes of the employees towards KM and OL. It will also illustrate the relationship between KM and OL. Two groups of employees were examined. Of the 350 questionnaires that were distributed, 285 usable questionnaires were returned, a response rate of 81%.The finding reveals that there are differences among the employees regarding their evaluative attitudes towards KM and OL. Also, this study reveals that there is a statistically significant relationship between KM and OL. Accordingly, the study provided a set of recommendations including the necessity to pay more attention to KM and OL. This will achieve its success currently and in the future, besides attaining a competitive advantage.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,282
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and StrategyMême sujetKnowledge Management and SharingTravaux en français237 207